Thử để o3 lập hồ sơ về tôi từ các liên kết Pocket đã lưu
(noperator.dev)- Khi đang chuyển các bài đã lưu trước lúc Pocket ngừng hoạt động, tôi nhận ra 878 liên kết Pocket tích lũy trong khoảng 7 năm, từ 2018-07-12 đến 2025-06-26, có thể trở thành dữ liệu để suy luận hồ sơ cá nhân
- Tôi yêu cầu o3 ước đoán các thuộc tính cá nhân như tuổi, giới tính, nơi ở, trình độ học vấn, nghề nghiệp, thu nhập, khuynh hướng chính trị, tình trạng gia đình, mối quan tâm về sức khỏe chỉ từ danh sách URL đã lưu
- Kết quả dẫn đến các suy đoán như độ tuổi giữa 30 đến đầu 40, sống ở coastal VA, kỹ sư phần mềm cấp senior/staff, đã kết hôn và có nhiều con nhỏ; trong đó tuổi, vị trí và quy mô gia đình khớp khá chính xác
- Câu trả lời của o3 thuyết phục hơn khi dán trực tiếp CSV vào phần nội dung prompt so với khi đính kèm dưới dạng tệp; với cách đính kèm tệp, o3 có xu hướng bám quá chặt vào phân tích mẫu bằng Python
- Chỉ từ các dấu vết đơn giản như “like” hoặc liên kết đã lưu cũng có thể suy luận được nhiều điều có ý nghĩa, và tôi thực sự cảm nhận rằng năng lực phân tích này nay đã mở ra cho gần như bất kỳ ai, không chỉ các công ty quảng cáo như Google hay Facebook
Danh sách Pocket đã lưu trở thành dữ liệu thử nghiệm
- Vì Pocket sắp ngừng hoạt động, trong lúc migrate các bài đã lưu, tôi nhận ra danh sách liên kết đã lưu đủ lớn để dùng như dữ liệu về sở thích cá nhân
- Tôi dùng
xsvđể xem nhanh file CSV export từ Pocket- Các cột gồm
title,url,time_added,tags,status - Một mục mẫu có bài đã lưu tên
The Uncertain Future of American Libraries - Tổng số mục đã lưu là 878
- Khoảng thời gian lưu là từ 2018-07-12 đến 2025-06-26
- Các cột gồm
- Nhớ đến thí nghiệm geoguessing với o3 của Simon Willison, tôi quyết định thử xem chỉ từ danh sách URL có thể biết được gì về mình
Yêu cầu lập hồ sơ giao cho o3
- Tôi dùng o3 trong một cuộc trò chuyện ChatGPT tạm thời, không dùng tính năng memory của ChatGPT
- Tôi yêu cầu nó lập hồ sơ về mình dựa trên danh sách bài viết đã lưu trong Pocket
- Các chiều suy luận được đặt khá rộng, từ thông tin cá nhân đến mô thức sinh hoạt
- Tuổi, giới tính, vị trí địa lý
- Trình độ học vấn, ngành/lĩnh vực công việc, cấp bậc
- Khoảng thu nhập, khuynh hướng chính trị, mức độ chấp nhận rủi ro
- Cách học, “khẩu phần” thông tin
- Tình trạng quan hệ, có phải cha/mẹ không và tuổi của con
- Mối quan tâm về sức khỏe, các chuyển biến lớn trong đời, mô thức theo mùa của mối quan tâm
Hồ sơ cá nhân do o3 tạo ra
- Dựa trên chủ đề, nguồn và thời điểm lưu bài, o3 tạo ra một best-guess portrait gần với “một câu chuyện nhất quán dù không phải suy luận chắc chắn”
- Các ước đoán nhân khẩu học chính như sau
- Tuổi: giữa 30 đến đầu 40
- Giới tính: nam
- Vị trí: coastal VA
- Học vấn: BS/MS ngành khoa học máy tính hoặc lĩnh vực tương tự
- Nghề nghiệp: kỹ sư phần mềm cấp senior/staff, chuyên về bảo mật và hạ tầng
- Thu nhập: khoảng 150.000–220.000 USD theo hộ gia đình
- Gia đình: đã kết hôn, có 3–4 con nhỏ, trong đó ít nhất một bé ở tuổi toddler
- Các căn cứ được dùng gồm sự xuất hiện đồng thời của các bài kỹ thuật về phần mềm, AI, an ninh mạng, tài chính với các bài về đời sống gia đình, homeschooling và Catholic practice
- Tâm lý và mối quan tâm cũng được ước đoán khá cụ thể
- Khuynh hướng chính trị: bảo thủ về tài chính, thiên về tự do dân sự và có xu hướng xã hội truyền thống
- Chấp nhận rủi ro: cao trong sự nghiệp, trung bình trong tài chính
- Cách học: tự định hướng, thiên về văn bản, thích bài dài và audio
- Khẩu phần thông tin: 60% deep-tech, 20% tài chính cá nhân/FIRE, 10% nuôi dạy con và việc nhà, 10% đức tin và văn hóa
- Dòng đời: chuyển từ hacker IC thuần túy sang giai đoạn hướng tới vai trò lãnh đạo kỹ thuật, đời sống lấy gia đình làm trung tâm và FI
- Từ các manh mối tinh tế hơn, nó cũng suy đoán về đức tin, quyền riêng tư và self-hosting, xu hướng DIY, mối quan tâm sức khỏe như Zone-2 training và giấc ngủ, cũng như thôi thúc viết lách
Độ chính xác và khác biệt theo cách nhập dữ liệu
- Kết quả khá chính xác, đến mức khi đọc lần đầu còn thấy rờn rợn
- Dù tôi nghĩ phần lớn dataset là các bài Hacker News, việc o3 đoán đúng những chi tiết như nhóm tuổi, vị trí và quy mô gia đình đặc biệt gây ngạc nhiên
- Thí nghiệm này cho thấy chỉ từ những dấu vết đơn giản như “like” hoặc lưu bài cũng có thể suy luận ra nhiều điều đến mức nào
- Chất lượng kết quả thay đổi tùy cách nhập dữ liệu
- Khi dán trực tiếp dữ liệu CSV vào phần nội dung prompt, phản hồi có vẻ chính xác hơn
- Khi gửi CSV dưới dạng file đính kèm, o3 có xu hướng quá tập trung vào việc lấy mẫu và phân tích bằng Python
- Với cách đó, câu chuyện cuối cùng kém thuyết phục hơn
Gợi ý cá nhân hóa và năng lực phân tích ai cũng dùng được
- Việc các công ty quảng cáo lập hồ sơ người dùng dựa trên mối quan tâm được biểu lộ vốn đã là một tiền đề quen thuộc
- Trước đây, năng lực phân tích để rút ra kết luận có ý nghĩa từ nhiều điểm dữ liệu từng có cảm giác như chỉ các công ty như Google hay Facebook mới sở hữu
- Giờ đây, thay đổi thú vị hơn là gần như bất kỳ ai cũng có thể công khai sử dụng cùng loại công nghệ đó
- Hồ sơ này dự kiến sẽ được dùng để vận hành một hệ thống gợi ý nội dung cá nhân
- Liên kết đến ví dụ tham khảo: personal content recommendation system
- Trong quá trình migrate, tôi đã chuyển sang Wallabag và cũng chuyển từ Inoreader sang FreshRSS
- Tính đến năm 2025, self-hosting dễ hơn trước rất nhiều, và Caddy được đánh giá là đã đóng vai trò lớn
- Tôi dùng xsv để khám phá CSV
- Dù tính đến 2 tháng trước có vẻ không còn được bảo trì, tôi cảm thấy chức năng của nó đã khá hoàn thiện
1 bình luận
Các ý kiến trên Hacker News
Sau khi đọc bài này, tôi cũng nhớ ra mình có kho lưu trữ tài khoản Pocket, nên đã đưa 4.200 mục vào o3, Gemini 2.5 Pro và Opus 4 với cùng một prompt
Giao diện ChatGPT chặn không cho gửi vì đầu vào quá lớn. Khoảng 80 nghìn token, vẫn nhỏ hơn kích thước ngữ cảnh 200 nghìn của o3, vậy mà vẫn bị chặn
Gemini 2.5 Pro đoán khá đúng hồ sơ về tính cách và mối quan tâm, nhưng sai trong dự đoán về độ tuổi, chức vụ, vị trí và việc có con hay không
Opus 4 thì ấn tượng hơn nhiều: dự đoán chính xác Amsterdam là thành phố nơi tôi sống, độ tuổi và cả tình trạng quan hệ, nhưng không đề cập đến việc có con hay không
Cả hai mô hình đều không đoán đúng công việc của tôi, nhưng điều đó cũng dễ hiểu. Thực ra tôi là nhà khoa học dữ liệu, nhưng vì thích viết phần mềm nên đọc rất nhiều về thực hành kỹ thuật phần mềm; do ở công ty không có cơ hội làm những việc đó nên tôi code các dự án cá nhân và phải học nhiều thứ như thiết kế hệ thống. Vì vậy cả hai đều xem tôi là kỹ sư phần mềm
Nhìn chung đây là một thử nghiệm thú vị, và điểm đáng chú ý là cả hai mô hình đều chọn nhiếp ảnh là sở thích chính của tôi. Nhưng nếu chúng xem cả lịch sử xem YouTube, có lẽ chúng sẽ tự tin nói là quần vợt. Những chủ đề và mối quan tâm mà tôi thường tiêu thụ bằng video hơn là bài viết có lẽ sẽ rất thú vị nếu kết hợp lịch sử xem YouTube với kho lưu trữ Pocket, nhưng có vẻ không dễ lấy được dữ liệu đó
Bài này là một ví dụ hay:
https://takeout.google.com/settings/takeout/custom/youtube?p...
Sau đó kết hợp
pupvàjqđể phân tích tiêu đề video từ file HTML:cat watch-history.html \| pup '.outer-cell .mdl-grid .content-cell:nth-child(2) json{}' \| jq -r '.[] .children[0] | select(.tag != "br") | select(.text | startswith("https://www.youtube.com/watch?v=";) | not) | .text' \> videos.txtĐiều đó không có nghĩa là công việc hiện tại ở công ty không thể chuyển sang một nấc thang nghề nghiệp liên quan
Điều lớn nhất tôi học được từ bản xuất Pocket của mình là 99% bài viết ở trạng thái chưa đọc. Tôi không chắc có thể suy ra gì về mình từ đó ngoài việc tôi có thói quen sưu tầm link một cách ám ảnh :D
Có lẽ có nhiều dữ liệu kiểu này; chẳng hạn đồ thị gợi ý của Amazon cũng có thể gán trọng số khác nhau cho các mục trong wishlist và các mục đã mua
Dạo này tôi có cảm giác nhiều người đang cùng đi đến ý tưởng phân tích dữ liệu của chính mình bằng AI, giống như cách các công ty dùng dữ liệu của chúng ta để cung cấp nội dung siêu chính xác
Gần đây tôi đọc https://labs.rs/en/browsing-histories/ và đã thử làm với toàn bộ lịch sử duyệt web của mình
Tôi cũng làm điều tương tự với lịch sử trò chuyện ChatGPT/Claude, và điều đáng sợ nhất là cho LLM xem lịch sử bình luận Reddit của mình
Khó khăn chính là cửa sổ ngữ cảnh đủ lớn và việc theo dõi ngữ cảnh từ nhiều nguồn dữ liệu. Một cách tôi đang khám phá là dùng knowledge graph để theo dõi hồ sơ người dùng. Nó có thể nén các mẫu hành vi thành một cấu trúc có thể truy vấn, nhưng bản thân việc xây dựng graph lại trở thành một bài toán tính toán
Hầu hết các startup AI mà tôi làm việc cùng gần đây cuối cùng đều quy về việc “cấp cho LLM quyền truy cập vào vector database và knowledge graph được tạo từ một bó tài liệu văn bản”. Tài liệu văn bản có thể là hóa đơn, tài liệu pháp lý, tài liệu thuế, báo cáo hằng ngày, bản ghi âm cuộc họp, mã nguồn, v.v.
Tôi hy vọng sẽ xuất hiện các hệ thống gợi ý nội dung cá nhân hoặc profiling cá nhân dựa trên AI. Động lực kinh tế của nó trái ngược với mô hình Big Tech. Thay vì tối ưu hóa mức độ tương tác và doanh thu quảng cáo, nó tối ưu hóa lợi ích cho người dùng
Thời RSS reader, tôi tiếp xúc với rất nhiều nội dung công nghệ và thiết kế được tuyển chọn, nhờ đó có thể phát triển khá nhiều gu và kiến thức trong lĩnh vực này. Nó cũng giúp tôi kết nối với những người thú vị và tuyệt vời
Một ứng dụng tôi thích là https://www.dimensional.me/, nhưng cách tiếp cận bằng MBTI và bài kiểm tra tính cách có thể trở nên nghiêm ngặt hơn. Hãy tưởng tượng đây không phải là bài kiểm tra tính cách, mà là một hệ thống nhận vào mọi thứ tôi tiêu thụ, viết và làm trên thiết bị số, rồi liên tục cập nhật knowledge graph về tôi
Khi còn học trung học, việc đọc hàng nghìn bài viết đã thực sự hữu ích vì tôi dần xây dựng được mô hình tinh thần tốt hơn về cách công nghệ vận hành. Nhiều thứ đã thay đổi, nhưng khá nhiều mô hình tôi xây dựng khi đó đến nay vẫn khá chính xác và hữu ích khi tôi muốn đào sâu hơn vào những nơi mình quan tâm
Tất nhiên nhà tù dễ chịu vẫn tốt hơn nhà tù của mức độ tương tác, nhưng thỉnh thoảng có lẽ ta cũng cần bước ra khỏi đó
Việc tuyển chọn trong thời RSS reader chẳng phải luôn do những người không phải lúc nào ta cũng đồng ý thực hiện hay sao?
Tôi đã tạo một công cụ tương tự để profiling và trêu chọc tài khoản HN: https://hn-wrapped.kadoa.com/
Vui, và đôi khi cũng đáng sợ
Sửa: tên người dùng phân biệt chữ hoa chữ thường
Dù vậy nó vẫn khá chính xác:
Predictions
Personal Projects
After a deep dive into archaic data storage, you'll finally release 'Magnetic Tape Master 3000' – a web-based app that simulates data retrieval from a reel-to-reel, complete with authentic 'whirring' sound effects. It'll be a niche hit with historical computing enthusiasts and anyone who misses the good old days of physical media.
Hoàn toàn tàn nhẫn
“Bạn sẽ phát hiện ra một hố đen upvote HN chưa từng được biết đến. Đó là nơi mọi bình luận được lập luận tốt và tinh tế về bất ổn kinh tế đều bị hút vào quên lãng, còn ‘Show HN: danh sách việc cần làm của tôi viết bằng Rust’ thì nhận 500 điểm.”
Hơi quá đáng nhưng làm tốt thật
Hơn nữa còn khá buồn cười
Gần đây tôi thực sự rất quan tâm đến những thứ như thế này. Không chỉ các bài đã lưu trong Pocket, mà còn cả phân tích meta lịch sử trò chuyện ChatGPT/Gemini/Claude
Tôi đang dùng một script tóm tắt RSS siêu cá nhân hóa, và nhận ra rằng những RSS feed có nhiều mục thực sự liên quan đến tôi nhất lại khá khác với những gì tôi casually đọc
Việc tiếp theo tôi muốn thử là tạo một world model sinh tạo phù hợp với mối quan tâm và mức độ liên quan của mình. Các phần khác nhau của world model đó có thể được cập nhật và khảo sát theo các chu kỳ khác nhau
Khi đó, “tin tức” đối với tôi sẽ là phần diff thay đổi cho thấy world model đó đã khác đi như thế nào vì tin tức. Ngoài ra, vì tôi luôn có thể có một phiên bản cục bộ/offline của world model hiện tại, nó có vẻ hữu ích để lọc hoặc sắp xếp hộp thư đến, lịch, tin nhắn, tweet, v.v. bằng mô hình cục bộ
Trước đây, vì vui và tò mò, tôi đã viết một script nhỏ làm việc kiểu này với hồ sơ HN. Nó dùng lịch sử bài đăng và bình luận để suy luận các thông tin hồ sơ như vị trí, khuynh hướng chính trị, sự nghiệp, tuổi, giới tính
Động lực chính là sau khi thấy những quan điểm đáng ngạc nhiên trong nhiều thread bình luận, tôi tò mò không biết chúng đến từ đâu. Tôi hoàn toàn không biết hồ sơ đó chính xác đến mức nào, nhưng đó là một thử nghiệm thú vị để xem LLM có khả năng làm những việc như vậy ra sao
Từ góc nhìn của một người xuất thân trong gia đình Công giáo có khuynh hướng cánh tả hơn, việc bị đánh giá là bảo thủ chỉ vì Công giáo khá thú vị. Có vẻ kiểu Công giáo như vậy phổ biến hơn ở vùng Đông Bắc nước Mỹ
Điều này nói lên điều gì đó về tầm quan trọng trung bình của tôn giáo vào năm 2025
Giờ thì tôi không còn là người Công giáo nữa, nhưng nhà thờ đó trong thập niên 80–90 là một nhà thờ tốt
Nếu có một danh sách phẳng gồm hàng trăm liên kết đã lưu, thì đó hẳn là một bãi đổ đúng nghĩa mang tên “đọc sau”, nên có thể dùng AI hoặc xử lý ngôn ngữ tự nhiên để phân loại toàn bộ, giúp dễ dàng xóa những mục mình không còn quan tâm nữa
Bài viết thú vị. Lạ là nó khiến tôi nghĩ lẽ ra mình nên dùng Pocket nhiều hơn
Nhân tiện, tôi thật sự bắt đầu chán kiểu giọng văn tiêu chuẩn thấy trong phản hồi của LLM. Bạn sẽ nhận ra dạng thức điển hình của những đầu ra dài dòng:
Một câu sáo rỗng! Sau vài từ mà người bình thường có thể nói, cuối cùng là câu trả lời cốt lõi rằng 2 cộng 2 bằng 4. Rồi lại thêm vài từ nghe có vẻ giống con người!
Tất nhiên tôi hiểu nội tại nó thực sự hoạt động như vậy. Do đặc tính huấn luyện, LLM phải dò dẫm dài dòng mới tới được ý chính. Nhưng liệu có hy vọng loại bỏ nó bằng hậu xử lý phần thừa không? Tôi muốn chắt lọc đúng câu trả lời thực sự từ bên trong engine suy luận, chứ không dùng thêm một cỗ máy kho ngữ liệu ngôn ngữ khác
Giống vấn đề công thức nấu ăn cũ trên Internet. Thứ mình muốn là:
500g wheat flour
280ml water
10g salt
10g yeast
Nhưng thứ thực nhận lại là:
It was at the age of five, sitting
on my grandmother’s lap in the
cool autumn sun on West Virginia
that I first tasted the perfect loaf…
Người ta nói mình muốn một thứ, nhưng hành vi thực tế và tiền bạc lại đi theo hướng khác
Tôi đồng ý là có phần rườm rà không cần thiết. Nhưng tôi không nghĩ “chỉ đưa công thức thôi” là điều mọi người thật sự muốn. Và tôi cũng không nghĩ quan điểm này là một ngoại lệ kỳ lạ. Có bao giờ bạn thực sự muốn nhận rồi làm theo một công thức hoàn toàn không có ngữ cảnh như thế chưa?
OpenAI từng nói họ đang làm để đầu ra của ChatGPT có thể cấu hình được nhiều hơn
Tôi không phải chuyên gia, nhưng với các mô hình “suy nghĩ”, tôi mong bước rút gọn đó diễn ra ở cuối. Bên trong có thể suy nghĩ dài dòng tùy ý, miễn là đưa cho tôi chỉ câu trả lời
Tôi đã nghĩ tới khả năng dùng LLM để sắp xếp toàn bộ các tab của mình. Tôi là một trong những người sưu tập tab kinh khủng đã để biểu tượng số lượng “:D” trên điện thoại quá lâu
Thường thì định kỳ tôi sẽ dọn sạch, nhưng đã lâu rồi không có động lực làm vậy. Chỉ cần có cách dễ dàng dump các tab ra dạng như CSV, giống như lấy từ Pocket, là được
10 luồng
gpt-4-nanophân loại từng batch 10 bookmark, và xử lý 10.000 bookmark chỉ trong vài phút